El passat 24 d'octubre, per invitació de l'Associació Coreana d'Intel·ligència Industrial (KOIIA), vam participar en l'«Acadèmia de desenvolupament de talent clau per a empreses mitjanes de 2025, Seminari sobre estratègies de resposta a les indústries del futur», en què el representant de Clevi, Lee Hwan-ho, va pronunciar el discurs inaugural.
Vam participar en la sessió «Casos d'introducció de tecnologies d'IA i estratègies pràctiques de DX» amb el tema «Casos d'ús de la IA física, factors de fracàs i estratègies de millora durant la introducció d'agents RAG».
A mesura que creix l'interès pels agents d'IA, també augmenta el nombre d'empreses que es plantegen introduir diverses solucions d'IA. Sabem que moltes institucions i empreses ja han introduït la IA de manera pilot i l'estan operant.
Tanmateix, malauradament, s'ha constatat que en moltes empreses i institucions no s'obté el ROI esperat, o que les funcionalitats que funcionaven durant la PoC no ofereixen respostes adequades o no funcionen en el projecte principal o sobre el terreny.
A causa d'aquesta informació, moltes empreses es mostren reticents a introduir la IA precipitadament.
En aquesta conferència, el representant de Clevi, Lee Hwan-ho, va explicar detalladament les limitacions dels sistemes RAG, una de les principals causes del fracàs de les introduccions precipitades de la IA, així com els models de codi obert i els SLM (LLM petits), i va explicar per què havien fracassat els casos d'introducció anteriors.
En definitiva, la raó per la qual utilitzem la IA és que esperem que faci la feina de les persones o que ofereixi un rendiment superior al nostre.
Com que els professionals de les empreses que han introduït la IA actualment no confien en la qualitat de les respostes de la IA, es multipliquen les queixes perquè, en haver de comprovar una per una les respostes de la IA, la càrrega de treball acaba augmentant.
La raó és que la majoria d'empreses utilitzen models SLM de codi obert afinats com a solucions.
Intuïtivament, pensem que la IA es tornarà més intel·ligent si aprèn coses noves, però, al contrari, quan fem que la IA aprengui coneixements nous, perd els records del passat, és a dir, els pesos arbitraris dels paràmetres.
El problema encara més greu és que ningú no sap quina informació o quins coneixements s'han perdut.
La introducció de la IA no és una tasca que requereixi pocs recursos, així que probablement vau fer moltes validacions des de la fase de PoC.
Per què no van aparèixer aquests problemes en aquell moment? Naturalment, perquè es va tornar a entrenar amb informació específica de l'objectiu.
Si a una IA que només coneixia els números li ensenyem l'alfabet i després només li plantegem problemes relacionats amb l'alfabet, és natural que respongui bé. Però, en el lloc de treball, només necessitem models especialitzats en aquests dominis específics?
El nostre entorn de treball s'enfronta cada dia a nous entorns i noves dades. Tanmateix, una IA entrenada destruint aleatòriament els coneixements existents no pot garantir ni la generalització ni la precisió.
Per tant, cal disposar d'un model de llenguatge de grans dimensions From-scratch Foundation o de la tecnologia necessària per crear-lo.
Això es deu al fet que aquests models contenen gairebé tot el coneixement del món, cosa que fa que les seves respostes siguin no només de més qualitat, sinó també més precises.
En el cas dels dominis especialitzats, es pot utilitzar la tècnica SFT (Supervised Fine-Tuning), o bé, per a petites quantitats de dades, un sistema RAG o la tecnologia de base de dades semàntica, el sistema de base de dades d'intel·ligència desenvolupat internament per Clevi, per superar els inconvenients dels SLM ajustats.
Com que el govern també coneix la importància d'aquests models fundacionals, no escatima esforços per donar-hi suport.
Es tracta del projecte d'IA representant nacional. El principal objectiu d'aquest projecte és probablement garantir la sobirania digital.
Com que a Clevi també coneixíem els inconvenients crítics d'utilitzar models de codi obert, vam desenvolupar de manera independent tots els aspectes, des de la recopilació de dades fins al disseny de l'arquitectura, i vam entrenar els models de Clevi.
Actualment, els models de Clevi tenen un rendiment que no queda gens enrere, fins i tot quan competeixen amb les principals IA del món.
En particular, com que disposem dels nostres propis models, Clevi no es veu afectada pels problemes de dependència que poden sorgir quan s'utilitzen models externs.
Ara, l'adopció de la IA s'està convertint en una necessitat, i no en una opció. Tanmateix, és difícil obtenir els resultats desitjats simplement adoptant les tecnologies més recents.
La veritable innovació comença quan entenem amb precisió les limitacions de la tecnologia i establim l'estratègia òptima d'acord amb l'entorn i els objectius de la nostra organització.
Amb tecnologies diferenciades, com ara el seu propi model de llenguatge de grans dimensions i la base de dades semàntica, Clevi minimitza els errors d'implementació i els riscos que les empreses experimenten durant el procés d'adopció de la IA.
Continuarem escoltant les veus del sector i fent tot el possible per convertir-nos en un soci d’IA en què més empreses puguin confiar. Esperem que construïu el veritable èxit de l’adopció de la IA juntament amb Clevi.